基于注意力机制的电力设备自动分析识别监控方法及系统

    公开(公告)号:CN109934221B

    公开(公告)日:2022-01-21

    申请号:CN201910133724.6

    申请日:2019-02-22

    申请人: 山东大学

    摘要: 本公开提出了基于注意力机制的电力设备自动分析识别监控方法及系统,包括:获取能够表明电力设备的运行状态的开关控制板的图像作为原始图像;针对开关控制板中开关和压板的自动检测及状态识别,提取输入图像中的各个开关和压板的状态特征及位置信息;针对开关控制板中指针式仪表的自动检测和读数,采用基于注意力机制的卷积神经网络对指针式仪表的位置进行检测,然后根据位置信息将指针式仪表从原始图像中裁剪出来获得仪表图像后再对图像进行图像处理操作来自动读数。本公开在开关和压板的自动检测及状态识别中,在神经网络中加入Attention模型,让网络学出对不同物体区域加以不同的关注度,从而能更加准确高效控制开关板的进行检测。

    一种可变构型的四足机器人运动控制方法及系统

    公开(公告)号:CN112327899B

    公开(公告)日:2021-10-01

    申请号:CN202011302850.9

    申请日:2020-11-19

    申请人: 山东大学

    IPC分类号: G05D1/08

    摘要: 本发明公开了一种可变构型的四足机器人运动控制方法及系统,方法包括以下步骤:规划四足机器人的步态;基于机器人的微分运动学,建立以机器人当前的关节位置、速度作为输入的四足机器人的整数规划模型;基于冗余自由度,实现对机器人各种构型之间的切换;基于当前构型规划机器人的运动,规划支撑相、摆动相的足端期望位置,实现四足机器人在多构型下的全方位移动,在面对复杂地形时稳定性和适应性显著增加。

    一种全固定线缆两自由度大负载电动云台及设备

    公开(公告)号:CN113324144A

    公开(公告)日:2021-08-31

    申请号:CN202110666900.X

    申请日:2021-06-16

    申请人: 山东大学

    摘要: 本发明属于云台技术领域,提供了一种全固定线缆两自由度大负载电动云台及设备。其中,该云台包括底座部件、转台部件、俯仰部件、第一驱动部件和第二驱动部件;所述第一驱动部件和第二驱动部件并行安装在底座部件上;所述第一驱动部件用于俯仰部件相对于转台部件进行俯仰角的调整;所述第二驱动部件用于驱动转台部件相对于底座部件进行水平面内偏航角的调整;所述第一驱动部件内的电缆线和信号线汇集成第一驱动部件线缆,以连接至第一驱动部件的驱动控制单元中形成第一驱动部件的闭环控制回路;所述第二驱动部件内的电缆线和信号线汇集成第二驱动部件线缆,以连接至第二驱动部件的驱动控制单元中形成第二驱动部件的闭环控制回路。

    一种基于点云切片的自由曲面喷涂路径规划方法及系统

    公开(公告)号:CN113276130A

    公开(公告)日:2021-08-20

    申请号:CN202110593067.0

    申请日:2021-05-28

    申请人: 山东大学

    IPC分类号: B25J11/00 B25J9/16

    摘要: 本公开公开的一种基于点云切片的自由曲面喷涂路径规划方法及系统,包括:获取自由曲面的点云数据;根据点云数据确定点云切片方向;根据点云切片方向,确定切平面与自由曲面的截交点;对截交点进行曲线拟合再均匀采样,获得采样点;根据采样点确定喷枪的位置点;基于单调链的路径顺滑方法,从喷枪的位置点中提取位置关键点;将位置关键点进行插补拟合获得喷涂路径。通过自由曲面的点云数据,直接生成喷涂路径轨迹,而不需要对自由曲面模型进行参数化或者网格化曲面辅助造型,降低了喷涂路径规划过程的复杂度,提高了喷涂的效率。

    基于区域分组与内部关联融合的人脸表情识别方法及系统

    公开(公告)号:CN112990007A

    公开(公告)日:2021-06-18

    申请号:CN202110272734.5

    申请日:2021-03-13

    申请人: 山东大学

    摘要: 本公开提供了一种基于区域分组与内部关联融合的人脸表情识别方法及系统,所述方案基于人脸在自然条件下会受到不可预测的遮挡,对于有自然遮挡的正面人脸,无遮挡面部表情识别方法的识别效果较差的问题;通过提出的内在关联融合的卷积神经网络(Interrelated Fusion CNN,IRF‑CNN),从局部区域、上下文、整体图像三个语义维度获取关键辨识度特征,并通过基于统计指标的类池化单元根据面片的关键程度合理分组,进一步聚焦面片局部与全局间的独立性以及互补性信息,有效提高了人脸表情识别的准确度。

    一种带弹簧储能的连杆式机械腿及机器人

    公开(公告)号:CN111361661B

    公开(公告)日:2021-05-28

    申请号:CN202010211375.8

    申请日:2020-03-24

    申请人: 山东大学

    IPC分类号: B62D57/032

    摘要: 本发明涉及一种带弹簧储能的连杆式机械腿及机器人,包括大腿,所述大腿一端与小腿转动连接,另一端设置有动力件,所述动力件与第一连杆的一端铰接,第一连杆的另一端与第二连杆一端铰接,第二连杆与大腿滑动连接,能够沿大腿轴线方向运动,第二连杆与弹性件的一端固定连接,弹性件的另一端与大腿固定连接,第二连杆的另一端与第三连杆的一端铰接,第三连杆的另一端与小腿端部铰接,本发明的机械腿能够有效降低电机的输出扭矩峰值,减少能量消耗。

    一种基于力矩电机的串联弹性驱动器

    公开(公告)号:CN108772849B

    公开(公告)日:2021-05-18

    申请号:CN201810601112.0

    申请日:2018-06-12

    申请人: 山东大学

    IPC分类号: B25J17/00 B25J9/00

    摘要: 一种基于力矩电机的串联弹性驱动器,包括基座、驱动主体和驱动机构;驱动主体包括驱动电机和传动机构,传动机构包括传动箱体、传动轴、直线移动机构和连杆,驱动电机的电机箱体与传动箱体之间连接有导向轴,导向轴上套装有弹簧分隔件,弹簧分隔件与基座铰接,弹簧分隔件的两侧在电机箱体和传动箱体之间均设置有弹簧,传动轴安装在传动箱体内并与驱动电机的主轴连接,传动轴与直线移动机构的输入端连接,连杆与直线移动机构的输出端连接;驱动机构包括驱动座和驱动杆,驱动座安装在基座上,驱动杆铰接在驱动座上,驱动杆与驱动主体上的连杆铰接。该驱动器结构紧凑,柔顺性好,刚度变化率大。

    一种深度视频行为识别方法及系统

    公开(公告)号:CN110059662B

    公开(公告)日:2021-03-23

    申请号:CN201910346049.5

    申请日:2019-04-26

    申请人: 山东大学

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种深度视频行为识别方法及系统,包括:把深度视频的动态图像序列表示作为CNNs的输入,在CNNs卷积层后嵌入通道与时空兴趣点注意力模型,对卷积特征图进行优化调整。最后,将全局平均池化应用于输入深度视频的被调整后的卷积特征图中,生成行为视频的特征表示,并将其输入到LSTM网络中,捕获人体行为的时间信息并进行分类。在三个具有挑战性的公共人体行为数据集上进行评估,实验结果表明,本发明方法能够提取具有辨识力的时空信息,显著地提升视频人体行为识别的性能。与其他现有方法相比,该方法有效地提高了行为识别率。

    基于层级地形的实时性野外机器人地形识别方法及系统

    公开(公告)号:CN110147780B

    公开(公告)日:2021-01-01

    申请号:CN201910451893.4

    申请日:2019-05-28

    申请人: 山东大学

    IPC分类号: G06K9/00 G06K9/46 G06K9/62

    摘要: 本发明公开了一种基于层级地形的实时性野外机器人地形识别方法及系统,包括:获取待测地形样片;分别提取待测地形样片的RGB颜色直方图特征、方差曲线特征与旋转及对称不变的LBP特征;将RGB颜色直方图特征与方差曲线特征作为颜色特征,旋转及对称不变LBP特征作为纹理特征,输入到地形识别分类器,通过地形识别分类器得到最终分类结果,完成待测地形样片的地形识别。本发明有益效果:使用方差曲线特征与旋转及对称不变的LBP特征大幅度降低了特征维度,获得了很好的实时性性能。

    基于互相学习网络策略的多视角步态识别方法及系统

    公开(公告)号:CN111539320A

    公开(公告)日:2020-08-14

    申请号:CN202010321849.4

    申请日:2020-04-22

    申请人: 山东大学

    摘要: 本发明属于步态识别领域,提供了一种基于互相学习网络策略的多视角步态识别方法及系统。其中,基于互相学习网络策略的多视角步态识别方法包括接收多个视角的行人步态视频;从视频中提取一个步态周期的步态图像,从步态图像中提取出步态轮廓图;将一个步态周期的步态轮廓图按照步态序列形成步态帧集合,通过互相学习网络提取步态帧集合的局部特征与全局特征;利用水平金字塔池结合局部特征与全局特征,得到一个步态周期步态轮廓图的融合特征;利用softmax函数对一个步态周期步态轮廓图的融合特征进行分类预测,得到步态识别结果。